一、一种改进的NAS-RIF盲图像复原算法（论文文献综述）
付青青[1]（2020）在《超声成像测井图像增强和复原方法研究》文中进行了进一步梳理在油气资源勘探开发领域,超声成像测井以其图像直观、全井眼覆盖和探测范围大等优点,得到了广泛应用。超声成像测井不但可以在裸眼井中反映井眼几何形状,识别裂缝、孔洞、层理等地层非均质性,而且还能在套管井中检查射孔质量、分析套管损坏以及评价固井质量。但是由于超声成像测井过程中复杂的测井作业环境以及超声换能器非理想性声斑等因素,导致了超声测井图像模糊,造成了图像的对比度降低,分辨率下降,为细小目标地质体特征的分析和解释带来了困难。在此背景下,本文结合超声成像测井的工程需求,以超声成像测井原理和信息处理为理论基础,采用物理模拟和数值模拟相结合的方法,从信号产生与处理的角度开展了超声测井图像增强和复原方法研究。本文主要工作如下:1.基于限定对比度直方图均衡的超声测井图像增强方法的研究针对超声测井图像增强问题,基于超声成像对比度低的客观实际,结合工程实时性的要求,研究并实现了HE,BBHE,RMSHE,POSHE,BOHE,MLBOHE,CLAHE等多种直方图均衡方法。在对算法性能分析的基础上引入幂次变换方法,通过参数调整对灰度级进行非线性变换。分析了子块数量、剪切阈值、幂次等参数的选择与增强效果的关系。采用幂次变换与CLAHE方法相结合,提出了CLAHE-PL图像增强方法。利用实验室超声图像、模型标准井和油田现场测得的超声测井图像进行了对比验证测试,主观评价和客观指标（MG、PSNR、AMBE、IE和LC）评价均指示了CLAHE-PL方法增强超声测井图像是有效的。2.基于部分重叠的直方图均衡超声测井图像增强方法的研究针对部分重叠的直方图均衡方法存在过度增强的问题,将CLAHE算法中剪切直方图引入到POSHE方法中,修改子块累积直方图分布函数。以低对比度的夜间车辆监控图像为例,分析了剪切阈值的大小对增强效果的影响,提出了POSHEOC图像增强方法,利用平均梯度和平均结构相似度指标构建测井图像质量评价的策略,实现了最佳的子块直方图剪切阈值的自动选取。在此基础上,以模型标准井和2幅油田现场实测的超声测井图像为例,结合PMGSIM、PSNR、IE、AMBE和LC等5个客观评价指标,将本文提出的POSHEOC和CLAHE-PL两种算法与HE、BBHE、RMSHE、POSHE、BOHE和MLBOHE等6种方法进行对比测试。实验结果表明,POSHEOC方法处理超声测井图像是有效的,实现了提高超声测井图像对比度的同时,限制了平坦区过度增强,突出了局部细节信息。3.基于APEX点扩展函数估计的最佳K值维纳滤波复原方法的研究针对超声测井图像复原问题,分析了图像退化的因素,明确了声束的扩散在井壁形成的声斑是造成超声测井图像退化的主要原因。基于超声测井成像系统退化模型未知的实际情况,研究了声波换能器的传输特性,利用试验估计法在退化图像中选取特征点作为参考对象,推导出点扩散函数模型近似为G类函数。采用APEX算法,对模型参数进行估计,将APEX参数拟合拓展到水平和垂直两个方向,进行对数幅度谱截面曲线拟合,估计出点扩散函数。基于估计的点扩散函数,利用维纳滤波方法进行图像复原,针对维纳滤波复原方法中噪信比K值未知的问题,提出了基于引导滤波和最小均方误差自动找寻最佳噪信比K值的方法。在此基础上,基于已知的标准清晰图像,利用计算机模拟退化图像,并增加不同功率的高斯噪声,开展复原性能测试,并结合MG、PSNR、IE、AMBE和LC等5个客观评价指标,对复原图像的质量进行了对比分析,验证了所提复原算法的正确性。在模拟退化图像进行复原正确的基础上,利用实验室超声图像、模型井超声图像和现场测井图像进行了大量的仿真实验,结合主观观察和客观评价指标,开展复原图像的性能测试。实验结果表明,本文提出的基于APEX点扩展函数估计的最佳K值维纳滤波复原方法对超声测井图像的复原是有效的,在恢复图像细节信息,增强清晰度,抑制噪声方面均表现出良好的性能。本文的主要成果:1.研究了基于直方图的系列图像增强方法,提出适合超声测井图像增强的两种方法CLAHE-PL和POSHEOC,所提方法可以内嵌到现场测井资料处理与解释软件中,服务于油气勘探开发,亦可推广适用于水下声学图像的增强。2.研究了基于试验估计的图像盲复原方法,并估计了超声图像的退化模型,将APEX算法引入到超声测井图像点扩散函数的参数估计中,提出了基于引导滤波和最小均方误差自动找寻最佳噪信比K值的方法,探索出了一种超声测井图像退化模型估计方法和测井图像复原算法,研究成果在油田勘探开发中有较好的应用前景。
武永恒[2]（2020）在《无人机侦察图像模糊复原系统关键技术研究与软件开发》文中研究指明无人机具有体积小、使用方便以及生存能力强等优点,广泛应用在军事、民用等多个领域中。军事领域无人机在执行任务过程中容易受到相对运动、成像设备、恶劣天气等因素干扰,使拍摄到的图像出现模糊、色彩失真等现象,严重影响了后期情报分析,因此需对模糊图像进行处理,提高图像质量。针对无人机侦察图像的实际应用问题,本文做了以下工作:（1）基于图像金字塔的多尺度空间构建。为了提高估计的模糊核精度、保存更多的图像边缘细节,使用一种多尺度模型求解策略。使用图像金字塔构建多尺度空间,金字塔采取逐层下采样法来降低图像分辨率,空间层数根据模糊核尺寸自适应选取,最后在尺度空间中迭代求解构建的正则化复原模型。（2）基于局部加权全变差的显着边缘提取。为了提高显着边缘的细节,使边缘更加清晰,本文将局部加权全变差模型进行改进,首先使用分数阶梯度算子计算图像的梯度,然后将计算得到的梯度幅值引入权重模型完成图像显着边缘的提取。通过实验表明针对模糊图像基于分数阶梯度算子的局部加权全变差显着边缘提取相较于其他算法,提取的图像边缘细节更加突出。（3）基于混合正则化约束的模糊核模型构建。为了得到更为精确的模糊核,本文对全变差模糊核模型进行改进,在模型中引入H1范数和1L范数保证了模糊核的平滑性和稀疏性,然后又加入2L范数确保了模糊核的连续性,又将高阶全变差模型引入,进一步提高了复原图像的平滑性,最后根据模糊核的特性对模糊核进一步约束,使估计的模糊核更加精确。（4）基于超拉普拉斯先验的复原图像模型构建。为了提高复原图像的边缘细节,本文在高阶全变差超拉普拉斯正则项的基础上增加了新的保边正则项。最后将建立好的模糊核模型和复原图像模型相结合得到图像盲复原模型,并将复原模型放在建立的多尺度空间中进行迭代求解。实验结果表明,基于多尺度混合正则化约束的图像复原算法抗噪性更强、复原图像的边缘细节更加清晰。（5）基于混合编程法的无人机侦察图像模糊复原系统。在运动模糊复原算法研究的基础上结合离焦模糊复原与大气模糊复原算法,使用一种混合编程法设计实现了无人机侦察图像模糊复原系统。首先在Qt开发平台下配置MATLAB与Open CV的调用环境,然后根据应用需求设计交互界面,最后调用生成的库文件完成整个系统。通过测试,系统可流畅运行并实现对无人机运动、离焦、大气模糊图像的复原。
付雪松[3]（2020）在《基于扫频OCT人眼图像的眼轴长测量方法及标准器研究》文中研究指明眼轴长作为关键人眼生物学参数之一,其值的变化与青光眼、白内障和黄斑水肿等疾病的诊断和治疗有着密切关系。因此,测量准确的眼轴长是眼科疾病诊断和治疗的数据基础。基于超声技术和基于相干光干涉技术的眼轴长测量方法分别利用超声反射和干涉光程实现眼轴长测量,其测量过程容易受到人眼复杂结构、不同结构的折射率不同以及病变晶状体透光度等因素的影响,导致采用超声技术和相干光干涉技术的眼轴长测量方法存在测量准确度较低、数值重复性较差和测量错误率较高等问题,难以获取准确有效的眼轴长数据。扫频光学相干层析成像（swept source optical coherence tomography,SS-OCT）技术是一种基于扫频光源迈克尔逊干涉仪的成像技术,由于其具有非侵入、高分辨率和成像测距等优点,已有研究将SS-OCT技术应用于人眼结构成像及眼轴长测量。其通过分割人眼OCT图像中的角膜和视网膜并获取角膜前表面至视网膜的距离实现眼轴长测量,能够降低复杂结构、病变晶状体透光度等干扰因素的影响,提高测量准确度、提升数值重复性并降低测量错误率。但是,人眼OCT图像中存在的大量散斑噪声和图像信号采集设备的积分作用等影响了人眼OCT图像质量、人眼OCT图像分割准确度较低和眼轴长测量准确度没有校准方法对其进行校准等问题,制约着基于SS-OCT眼轴长测量准确度的提高。因此,研究人眼OCT图像散斑噪声降噪、人眼OCT图像复原、人眼OCT图像分割及眼轴长测量标准器,提高基于SS-OCT的眼轴长测量准确度,获取准确的眼轴长,具有重要的理论意义和应用价值。本文在详细分析现有眼轴长测量方法、OCT图像处理关键技术及眼轴长测量标准器研究现状的基础上,对基于扫频OCT人眼图像的眼轴长测量方法及标准器进行了研究,主要完成以下研究工作:1、提出了一种用于人眼OCT图像的参考方差和调整因子波原子散斑降噪方法。首先,引入参考图像和调整因子,利用调整因子对参考图像散斑噪声参考方差进行调整,获取准确的目标人眼OCT图像散斑噪声方差;然后,构建了包含参考方差和调整因子的波原子阈值方程,获得准确的波原子降噪阈值;在此基础上,利用波原子降噪阈值对散斑噪声进行处理,实现人眼OCT图像散斑降噪,获得微小目标和结构边缘清晰的人眼OCT图像。2、提出了一种基于各向异性总变分正则化（ATVR）的非负性和支持递归逆滤波（NAS-RIF）人眼OCT图像盲复原方法。首先,将ATVR引入NAS-RIF的代价函数中,以提高NAS-RIF图像盲复原方法的噪声鲁棒性和图像结构边缘清晰度;利用分裂Bregman迭代优化基于ATVR的改进代价函数,在此基础上,构建了基于ATVR的NAS-RIF图像盲复原方法。然后,将基于ATVR的NAS-RIF图像盲复原方法与基于泊松分布的最小误差阈值法相结合,用于人眼OCT图像盲复原,提升人眼OCT图像质量,为人眼OCT图像分割提供高质量数据。3、构建了一种用于眼轴长测量的RM Multi-stage Mask R-CNN人眼OCT图像分割方法。首先,通过ResNet50-FPN主干网络提取图像特征,利用特征金字塔网络融合高维和低维目标特征,采用调制可变形卷积替代规则卷积产生非规则感受野,提升网络对人眼OCT图像目标复杂形变的拟合度,在特征图提取中结合关系模型学习人眼OCT图像结构间的位置关系特征图,利用位置关系特征图增强网络特征,在分割分支中构建multi-stage mask 结构,通过 mask 多步迭代修正分割误差,提升网络对人眼结构的分割准确度,结合上述结构构建RM Multi-stage Mask R-CNN人眼OCT图像分割方法。然后,利用人眼OCT图像训练RM Multi-stage Mask R-CNN模型并利用训练后的模型实现高准确度人眼OCT图像分割,根据分割得到的角膜和视网膜实现眼轴长测量。4、研制了一种眼轴长测量标准器。该眼轴长测量标准器为圆柱体结构,利用圆柱体前后表面的反射光和散射光产生干涉实现眼轴长测量标准器长度测量,进而获取眼轴长测量设备的测量准确度;根据人眼轴长范围,设计了 15 mm、20 mm和30 mm三种眼轴长测量标准器长度;采用了光学性质较为稳定的聚甲基丙烯酸甲酯（Polymethyl methacrylate,PMMA）材料和K9玻璃材料制作眼轴长测量标准器,并对眼轴长测量标准器的长度和折射率两个关键参数进行了标定。本文所提参考方差和调整因子的波原子图像散斑降噪方法能够有效降低人眼OCT图像中的散斑噪声,并且使得人眼微小目标和结构边缘恢复清晰,为人眼OCT图像散斑降噪提供了新的降噪方法;本文所提基于ATVR的NAS-RIF人眼OCT图像盲复原方法能够有效实现人眼OCT图像盲复原,提升了人眼OCT图像盲复原质量,为人眼OCT图像复原提供有效的盲复原方法;本文构建的用于眼轴长测量的RM Multi-stage Mask R-CNN人眼OCT图像分割方法能够准确分割人眼OCT图像中的角膜、晶状体和视网膜结构,实现眼轴长的准确测量,为基于SS-OCT人眼图像的眼轴长测量提供了准确的图像分割方法;研制的眼轴长测量标准器能够获取眼轴长测量设备的测量范围和测量准确度,在眼轴长测量设备校准领域有着广泛的应用前景。
邹欢欢[4]（2019）在《简易光学系统成像的图像恢复方法研究》文中提出光学系统设计越复杂,成本越高昂、维护难度越高,因此使用简易光学成像系统就十分必要。但是简易光学系统存在严重像差而导致所成图像质量下降,出现模糊、失真等问题。根据简易光学系统成像特性,建立存在像差的情况下简易光学系统的点扩散函数模型,提出一种解决简易光学系统所成图像质量下降问题的方法——基于相位差异法（PD）的简易光学系统成像图像恢复方法。本文主要研究内容如下:（1）研究简易光学系统成像的特性,分析光学系统中出现的几种初级像差;分析像差、光瞳函数、点扩散函数和光学传递函数之间的关系,建立简易光学系统的点扩散函数模型。（2）对盲图像恢复方法中的非负支撑域递归滤波法（NAS-RIF）、最大后验概率法（MAP）和相位恢复法（PR）进行原理研究和优缺点分析,为避免上述方法中如图像背景要求均匀、点扩散函数维度小和初始输入参数敏感等问题,提出基于PD法的简易光学系统成像图像恢复方法。进行PD法的原理研究,建立PD法的数学模型;研究PD法中病态性问题的解决方式、离焦像差引入量和光学系统参数之间的关系以及光学系统瞳面和像面的采样关系。（3）研究图像质量评价的主观评价方法和客观评价方法,分析各方法的适用性和局限性,并分析客观评价方法的几种评价指标。使用单片透镜、两片透镜和三片透镜组成的三种简易光学系统,搭建光学成像系统,采集图像进行图像恢复实验。分析不同简易光学系统下图像恢复的质量,选取各光学系统的最佳的离焦量,比较不同方法的图像恢复结果;根据所得点扩散函数进行单幅图像恢复以提高图像恢复效率。实验结果表明:本文方法恢复的图像质量有明显的提高,在一定范围内简易光学系统恢复图像质量可接近较复杂系统的成像质量,并且在光学系统结构不变时可使用单幅图像恢复方法提高图像恢复效率。本文方法对实际工程应用中光学系统的简化具有重大意义。
杨佳煜[5]（2018）在《基于改进NAS-RIF的OCT图像盲复原方法研究》文中进行了进一步梳理光学相干层析（Optical Coherence Tomography,OCT）技术利用光源低相干性获取待测样品内部结构信息,已应用于生物医学、临床医学和物体无损检测等领域。OCT系统在成像过程中易受到CCD积分效应和噪声等因素的影响,造成图像退化现象,难以获得具有微小结构组织和低强度组织的待测样品清晰图像,直接影响着图像分析精度。非负性和递归逆滤波（Nonnegativity and Support Recursive Inverse Filtering,NAS-RIF）盲复原方法能够从退化的图像中获取有价值的图像信息,然而现有的NAS-RIF方法及其改进方法在复原的过程中易受观测图像噪声的影响,使得估计图像产生偏差,且无法兼顾图像的细节信息,制约了图像复原质量的提高。因此,研究基于改进NAS-RIF的OCT图像盲复原方法,提高OCT图像复原过程的噪声鲁棒性,获得结构清晰的高信噪比OCT图像,具有重要的理论意义和应用价值。本文在分析OCT图像复原方法和噪声对NAS-RIF方法盲复原图像质量影响的基础上,提出了一种基于改进NAS-RIF的OCT图像盲复原方法。首先,应用几何非线性扩散滤波滤除OCT图像的部分噪声,并采用基于泊松分布的最小误差阈值准确估计OCT图像的支持域;然后,将估计图像的总变分引入代价函数,构建了基于各项异性总变分（Anisotropic Total Variation,ATV）正则化项的改进代价函数,并采用分裂Bregman迭代方法,构建了 OCT图像复原优化问题的最优求解策略。应用Plane标准图像、Camera man标准图像和OCT图像对所提出的方法进行实验验证,实验结果表明,本文所提出的基于改进NAS-RIF的OCT图像盲复原方法,能够实现含噪声OCT图像的盲复原且具有较好的鲁棒性,提高了 OCT图像信噪比并保留了图像的细节信息,获得了样品结构清晰的OCT图像,为科学研究的准确性和临床诊断的正确性提供了重要依据。
马耀锋,李红丽[6]（2014）在《基于高阶统计量和图像分割技术的图像盲复原》文中进行了进一步梳理提出一种基于高阶统计量和图像分割技术的改进的非负支持域递归逆滤波算法（NAS-RIF）。该算法应用高阶统计量去噪,解决了原NAS-RIF算法敏感于噪声的特性,提高了退化图像的信噪比。其次,在每次迭代中利用图像分割技术进行图像支持域的自估计,改变了NAS-RIF算法中支持域必须是方形的不利限制。实验结果表明改进的NAS-RIF算法具有更好的噪声抑制和边缘细节恢复效果。
曲李虎,林善明[7]（2014）在《一种改进的NAS-RIF水下图像盲复原算法》文中研究说明提出一种基于空域自适应加权因子的NAS-RIF图像盲复原算法,算法通过在原NAS-RIF算法代价函数中引入空域自适应加权因子,以改善图像复原的逼真和平滑。实验结果表明,改进后的算法信噪比改善增益可以提高2.39dB,复原后图像细节和清晰度有了一定程度的改善。
赵晓伟[8]（2014）在《基于稀疏约束正则化的图像复原算法》文中提出生活和科研中，成像设备或环境常导致图像存在不同程度的模糊，对后续图像处理产生很大影响。图像复原技术综合运用模糊图像、原始图像的相关先验知识，以及成像系统的特点，构造图像去模糊模型，从而达到恢复原始清晰图像的目的。本文根据图像自身的特性，对图像复原算法进行了三方面的研究：首先，依据傅里叶域能有效表示反卷积过程产生的有色噪声，小波域能合理表示信号和图像的特点，对基于维纳滤波和小波变换的非盲图像复原算法进行了探讨，算法中利用傅里叶收缩和小波收缩进行图像估计。实验结果表明，该算法经小波阈值去噪后，算法性能得到了提高，图像复原效果更好。其次，依据图像和模糊核在梯度域稀疏分布的特点，利用全变差和梯度投影算法优化图像去噪问题，同时利用全变差和单调快速迭代收缩阈值方法优化非盲图像复原问题。依据自然图像主要边界是尖锐和稀疏的，且模糊后的稀疏度要比清晰图像差这一基本特性，先对图像进行边缘检测，以获取正则项，然后进行图像非盲复原。实验结果表明，基于边缘检测的算法比前人使用单个正则项约束的非盲图像复原算法性能好。最后，研究了基于三种稀疏正则项联合约束的盲图像复原算法，根据锐化图像的边缘和轮廓更清晰这一特点，对模糊图像进行锐化预处理。利用l1/l2正则项作为图像高频域的惩罚项，引入sl0正则项和l1正则项联合约束模糊核，并融入多尺度的方法实现图像盲复原。实验结果显示，三种正则项联合使用的图像复原效果比仅用两种的效果好。
庄金莲,陈佳丽[9]（2014）在《二维盲图像恢复算法的研究》文中研究指明通过对现有的二维盲图像恢复算法的探讨,提出了两种基于L1双正则化的二维盲图像恢复算法。一种是最小化L2-L1代价函数,为了实现边缘保持和噪声抑制;另一种是通过最小化L1-L1代价函数来处理非高斯噪声的情况。所提的算法是一种广义的梯度算法,它通过引入绝对值函数的弱导数来处理不可微的情况。实验结果表明,与NAS-RIF算法和DR算法相比,所提出的两种二维算法能够更快速地获得好的图像估计。
李新科[10]（2014）在《桥梁拉索表面缺陷图像检测关键技术的研究》文中研究说明随着桥梁交通建设的高速发展，大跨度和超大跨度桥梁的斜拉桥和悬索桥被广泛采用。在已建成并使用的这类桥梁中，拉索是其主要受力部件，拉索的可靠性和耐久性将直接关系到桥梁的安全和使用寿命。拉索外表有聚乙烯（PE）或者高密度聚乙烯（HDPE）保护层，但是拉索保护层长期暴露于自然环境中并承受交变载荷，极易发生腐蚀破坏，从而影响拉索的使用寿命，导致桥梁安全事故的发生。因此，对拉索表面缺陷的检测具有十分重要的意义。目前国内外对拉索表面保护层的主要检测方法有人工检测法和激光扫描法。这些方法存在效率低、成本高、智能化程度不足等局限。本文从此领域相关的迫切需求出发，开发了一个桥梁拉索表面缺陷的机器视觉检测系统，并围绕这个系统，深入研究了机器视觉系统的相关理论和关键技术，提出了桥梁拉索表面的分布式机器视觉缺陷检测和缺陷图像识别的方法，取得了较好的效果。针对系统采集的模糊缺陷图像，提出了基于非负支撑域递归逆滤波（NAS-RIF）和自适应全变分（Total Variation, TV）正则化盲图像恢复方法。为了快速有效地获得完整的拉索表面缺陷，提出基于Harris算子改进的尺度不变特征变换（SIFT）特征匹配算法对缺陷图像进行自动拼接。最后采用粒子群优化（Particle Swarm Optimization, PSO）算法来优化支持向量机（Support Vector Machine, SVM）模型并对拉索表面缺陷进行分类识别。本文的主要研究内容与成果如下：1)提出了基于分布式机器视觉桥梁拉索表面缺陷检测与缺陷图像识别的方法。该方法首先通过爬行机器人装载分布式图像传感器、光源、嵌入式DSP硬件平台、位置传感器和存储设备等机器视觉系统沿拉索爬行，并采用4个分布式CCD图像传感器获取拉索表面四周的图像；然后以TI高性能DSP TMS320DM642（简称DM642）为核心处理器实时实现缺陷图像预处理、缺陷目标分割和缺陷初步判别等，并对初步判别的疑似缺陷进行存储；最后在PC机上通过图像去模糊和图像拼接等图像处理技术完成缺陷图像的识别。2)对桥梁拉索表面缺陷图像预处理和缺陷提取方法的实时实现进行了研究。分析了表面缺陷图像的噪声类型及来源，并基于DM642嵌入式处理器缓存的特点，提出并改进中值滤波方法对拉索表面图像进行快速有效的滤波处理，同时，为了快速实时实现缺陷目标的初步判别，结合数学形态学（Mathematical Morphology）和改进的Sobel边缘检测算法，提出并采用一种基于MM-Sobel的图像分割方法提取缺陷图像中的缺陷目标。最后对缺陷目标进行判别，并将判别出的疑似缺陷图像及其位置信息进行存储。3)针对机器视觉检测系统采集的模糊表面缺陷图像，分析了拉索表面图像模糊的模型，提出了一种将NAS-RIF与自适应全变分正则化相结合的图像盲复原算法。该算法针对原始NAS-RIF算法在低信噪比下对噪声敏感的问题，并结合图像退化和图像盲复原的机理，在原始NAS-RIF算法代价函数的基础上加入TV正则化约束项。为了有效地达到图像细节恢复和噪声抑制之间的平衡，通过最大后验概率自适应地调整全变分正则化参数，并采用优化最小化的共轭梯度迭代算法，提高算法的收敛速度。实验结果表明，文中算法的复原效果具有较好的适应性和有效性。4)系统采用4个CCD摄像头分布在拉索表面一周获取图像，一个缺陷有可能分布在几幅图像中。为了识别完整的缺陷，需要对相应的缺陷图像进行自动拼接。图像匹配是图像拼接算法中十分关键的步骤，根据系统获取拉索表面图像的特征，提出了基于Harris算子改进的SIFT特征匹配算法对缺陷图像进行匹配。首先采用简洁有效的Harris算子提取特征点；然后根据检测系统采集缺陷图像的特点，简化SIFT算子的特征点主方向分配和匹配图像旋转等算法步骤，对特征点进行描述和匹配；最后融合匹配图像，得到相对完整的缺陷图像。实验结果表明，该方法大大降低了算法的复杂度，可以快速有效地获得完整的拉索表面缺陷。5)拉索表面主要存在纵向开裂、横向开裂、表面侵蚀和疤坑孔洞等4类缺陷，本文基于特征提取和支持向量机算法对这4类缺陷进行分类识别。为了提高SVM分类识别率，采用粒子群优化算法来优化SVM模型的惩罚系数c和核函数参数g，即PSO-SVM算法。通过对拉索表面缺陷的分类识别实验，分类识别率达到了96.25%。实验结果表明，采用PSO-SVM对拉索表面缺陷进行分类识别具有较高的识别率和较快的识别速度。论文重点对桥梁拉索表面缺陷图像检测关键技术的理论和实验进行研究。基于分布式机器视觉拉索表面缺陷检测系统，采用有效的缺陷图像预处理、缺陷目标分割和缺陷初步判别等图像处理技术，改善了机器视觉检测系统的实时性。探索适用的图像去模糊方法，图像拼接方法和分类识别算法等，提高了拉索表面缺陷识别的效果。本文的研究对机器视觉检测系统在桥梁拉索表面损伤检测和维护中的应用具有重要意义。
二、一种改进的NAS-RIF盲图像复原算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种改进的NAS-RIF盲图像复原算法（论文提纲范文）
（1）超声成像测井图像增强和复原方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外声成像测井仪器的发展现状 |
| 1.2.2 国内外成像测井处理软件的研究现状 |
| 1.2.3 图像增强算法研究现状 |
| 1.2.4 图像复原算法研究现状 |
| 1.2.5 存在的问题 |
| 1.3 论文研究工作 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文结构安排 |
| 第2章 超声测井图像成像基本原理及处理方法 |
| 2.1 引言 |
| 2.2 超声成像测井仪器及原理 |
| 2.2.1 超声成像测井仪器组成 |
| 2.2.2 声波测量数据成像过程 |
| 2.2.3 超声测井成像质量影响因素 |
| 2.3 室内超声成像实验装置构建 |
| 2.3.1 超声成像装置组成与功能 |
| 2.3.2 超声成像装置硬件设计 |
| 2.3.3 超声成像装置软件设计 |
| 2.3.4 标准模型制作 |
| 2.4 图像增强方法 |
| 2.4.1 基于直方图均衡的图像增强算法 |
| 2.4.2 小波变换图像增强算法 |
| 2.4.3 基于图像融合的图像增强算法 |
| 2.4.4 基于色彩恒常性理论的Retinex算法 |
| 2.5 图像复原方法 |
| 2.5.1 图像退化模型及复原 |
| 2.5.2 图像非盲复原方法 |
| 2.5.3 图像盲复原方法 |
| 2.6 图像质量评价方法 |
| 2.6.1 图像质量的主观评价 |
| 2.6.2 图像质量的客观评价 |
| 2.7 本章总结 |
| 第3章 基于CLAHE和幂次变换的超声测井图像增强 |
| 3.1 引言 |
| 3.2 局部直方图均衡 |
| 3.2.1 子块重叠的直方图均衡算法(BOHE) |
| 3.2.2 子块不重叠直方图均衡化(NOBHE) |
| 3.2.3 子块部分重叠直方图均衡化(POSHE) |
| 3.3 基于CLAHE和幂次变换的超声测井图像增强 |
| 3.3.1 算法原理 |
| 3.3.2 颜色模型转换 |
| 3.3.3 CLAHE算法原理 |
| 3.3.4 幂次变换 |
| 3.4 参数及性能分析 |
| 3.4.1 子块数量的影响 |
| 3.4.2 剪切阈值的影响 |
| 3.4.3 幂次参数的影响 |
| 3.5 实验结果及分析 |
| 3.5.1 实验室超声成像增强结果 |
| 3.5.2 模型井实验结果 |
| 3.5.3 现场超声测井图像实验结果 |
| 3.5.4 客观评价 |
| 3.6 本章小结 |
| 第4章 基于POSHE最优剪切限制的超声测井图像增强 |
| 4.1 引言 |
| 4.2 子块部分重叠的直方图均衡算法 |
| 4.2.1 POSHEOC原理及框图 |
| 4.2.2 POSHE算法流程 |
| 4.2.3 子块大小和移动步长的影响 |
| 4.2.4 剪切阈值的影响 |
| 4.2.5 对比度和过增强分析 |
| 4.2.6 最优剪切策略 |
| 4.3 实验结果与分析 |
| 4.3.1 模型井实验 |
| 4.3.2 现场超声测井图像实验结果 |
| 4.3.3 客观评价 |
| 4.4 本章小结 |
| 第5章 基于点扩展函数估计的超声测井图像复原 |
| 5.1 引言 |
| 5.2 超声测井图像退化模型 |
| 5.3 超声测井图像复原模型 |
| 5.4 点扩展函数的估计方法 |
| 5.4.1 图像观察估计法 |
| 5.4.2 试验估计法 |
| 5.4.3 模型估计法 |
| 5.5 .基于APEX点扩展函数估计的最佳K值维纳滤波测井图像复原 |
| 5.5.1 点扩展函数的模型估计 |
| 5.5.2 基于APEX的点扩展函数参数的估计 |
| 5.5.3 改进APEX算法的超声测井图像退化模型参数估计 |
| 5.5.4 改进维纳滤波测井图像复原 |
| 5.6 实验结果与分析 |
| 5.6.1 计算机模拟图像复原结果 |
| 5.6.2 实验室超声图像复原结果 |
| 5.6.3 模型井超声图像复原结果 |
| 5.6.4 现场超声测井图像复原结果 |
| 5.7 客观评价 |
| 5.8 本章小结 |
| 第6章 全文总结与工作展望 |
| 6.1 论文主要工作 |
| 6.2 本文的创新点 |
| 6.3 今后工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间所发表的学术论文 |
| 个人简历 |
（2）无人机侦察图像模糊复原系统关键技术研究与软件开发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像非盲复原研究现状 |
| 1.2.2 图像盲复原研究现状 |
| 1.3 论文主要研究内容及结构安排 |
| 第二章 系统设计思路与图像复原基础理论 |
| 2.1 无人机侦察图像模糊复原系统设计思路 |
| 2.2 无人机图像退化因素 |
| 2.3 无人机图像退化模型 |
| 2.3.1 运动模糊模型 |
| 2.3.2 大气模糊模型 |
| 2.3.3 离焦模糊模型 |
| 2.4 图像复原基本算法 |
| 2.4.1 图像非盲复原法 |
| 2.4.2 图像盲复原法 |
| 2.5 算法对比分析 |
| 2.5.1 数据采集 |
| 2.5.2 复原实验 |
| 2.6 本章小结 |
| 第三章 基于多尺度混合正则化约束的无人机模糊图像盲复原 |
| 3.1 正则化约束的图像复原模型 |
| 3.2 多尺度空间的构建 |
| 3.3 基于分数阶梯度算子的LWTV显着边缘提取 |
| 3.3.1 FLOGLWTV模型建立 |
| 3.3.2 实验验证 |
| 3.4 基于混合正则化约束的模糊核模型构建 |
| 3.4.1 模糊核正则项构建方法 |
| 3.4.2 混合正则化模糊核模型构建 |
| 3.4.3 半二次方变量分裂法求解模型 |
| 3.5 基于超拉普拉斯先验的复原图像模型构建 |
| 3.5.1 复原模型构建方法 |
| 3.5.2 超拉普拉斯正则化模型构建 |
| 3.5.3 模型求解 |
| 3.6 本章小结 |
| 第四章 多尺度混合正则化复原算法复原效果测试 |
| 4.1 复原图像评价指标 |
| 4.1.1 图像质量主观评价法 |
| 4.1.2 图像质量客观评价法 |
| 4.2 实验与分析 |
| 4.2.1 实验设置 |
| 4.2.2 实验过程 |
| 4.2.3 实验结果与分析 |
| 4.3 本章小结 |
| 第五章 基于混合编程法的无人机侦察图像模糊复原系统 |
| 5.1 系统开发环境选择 |
| 5.2 混合编程方法选择 |
| 5.2.1 MATLAB引擎 |
| 5.2.2 Matcom软件 |
| 5.2.3 COM组件 |
| 5.2.4 动态链接库技术 |
| 5.3 无人机侦察图像模糊复原系统实现 |
| 5.3.1 生成动态链接库 |
| 5.3.2 Open CV与 MATLAB在 QT中的配置 |
| 5.3.3 人机界面设计实现 |
| 5.3.4 调用DLL文件 |
| 5.4 无人机侦察图像模糊复原系统的测试与封装 |
| 5.4.1 系统测试 |
| 5.4.2 系统封装 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（3）基于扫频OCT人眼图像的眼轴长测量方法及标准器研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 眼轴长测量方法研究现状 |
| 1.2.1 基于SD-OCT的眼轴长测量方法研究现状 |
| 1.2.2 基于SS-OCT的眼轴长测量方法研究现状 |
| 1.3 OCT图像处理关键技术研究现状 |
| 1.3.1 OCT图像散斑降噪研究现状 |
| 1.3.2 OCT图像复原方法研究现状 |
| 1.3.3 OCT图像分割方法研究现状 |
| 1.4 眼轴长测量标准器研究现状 |
| 1.5 课题的研究意义和主要研究内容 |
| 1.5.1 研究意义 |
| 1.5.2 主要研究内容 |
| 第二章 参考方差和调整因子的波原子图像散斑降噪方法 |
| 2.1 引言 |
| 2.2 波原子图像散斑降噪 |
| 2.2.1 波原子变换 |
| 2.2.2 波原子散斑噪声阈值降噪处理 |
| 2.2.3 波原子逆变换 |
| 2.3 参考方差和调整因子的波原子图像散斑降噪方法 |
| 2.3.1 包含参考方差和调整因子的波原子阈值方程 |
| 2.3.2 参考方差和调整因子的波原子图像散斑降噪方法 |
| 2.4 基于RVAF-WAISR方法的人眼OCT图像散斑降噪 |
| 2.4.1 基于RVAF-WAISR的人眼OCT图像散斑降噪 |
| 2.4.2 基于RVAF-WAISR的人眼OCT图像散斑降噪算法 |
| 2.5 实验与分析 |
| 2.5.1 实验条件及图像评价指标 |
| 2.5.2 视网膜OCT图像降噪实验结果 |
| 2.5.3 人眼OCT图像降噪实验结果 |
| 2.5.4 实验结果分析 |
| 2.6 小结 |
| 第三章 基于ATVR的NAS-RIF人眼OCT图像盲复原方法 |
| 3.1 引言 |
| 3.2 NAS-RIF图像盲复原 |
| 3.2.1 图像模糊与图像复原 |
| 3.2.2 NAS-RIF图像盲复原方法 |
| 3.2.3 噪声对NAS-RIF代价函数的影响 |
| 3.3 基于ATVR的NAS-RIF图像盲复原方法 |
| 3.3.1 基于ATVR的改进代价函数 |
| 3.3.2 采用分裂Bregman迭代的改进代价函数优化 |
| 3.3.3 基于ATVR的NAS-RIF图像盲复原方法 |
| 3.4 基于ATVR的NAS-RIF人眼OCT图像盲复原方法 |
| 3.4.1 人眼OCT图像降噪 |
| 3.4.2 人眼OCT图像支持域估计 |
| 3.4.3 基于ATVR的NAS-RIF人眼OCT图像盲复原方法 |
| 3.4.4 基于ATVR的NAS-RIF人眼OCT图像盲复原算法 |
| 3.5 实验与分析 |
| 3.5.1 实验条件及图像评价指标 |
| 3.5.2 视网膜OCT图像复原实验与分析 |
| 3.5.3 人眼OCT图像复原实验与分析 |
| 3.6 小结 |
| 第四章 用于眼轴长测量的RM Multi-stage Mask R-CNN人眼OCT图像分割方法 |
| 4.1 引言 |
| 4.2 Mask R-CNN图像分割 |
| 4.3 RM Multi-stage Mask R-CNN人眼OCT图像分割方法 |
| 4.3.1 调制可变形卷积 |
| 4.3.2 RM Multi-stage Mask |
| 4.3.3 损失函数 |
| 4.4 用于眼轴长测量的RM Multi-stage Mask R-CNN人眼OCT图像分割方法 |
| 4.4.1 人眼OCT图像数据增强 |
| 4.4.2 RM Multi-stage Mask R-CNN模型训练 |
| 4.4.3 用于眼轴长测量的RM Multi-stage Mask R-CNN人眼OCT图像分割方法 |
| 4.4.4 用于眼轴长测量的RM Multi-stage Mask R-CNN人眼OCT图像分割算法 |
| 4.5 实验与分析 |
| 4.5.1 实验条件 |
| 4.5.2 数据标注 |
| 4.5.3 模型训练 |
| 4.5.4 评价指标 |
| 4.5.5 人眼OCT图像分割实验结果 |
| 4.5.6 人眼OCT图像分割结果讨论 |
| 4.5.7 采用人眼OCT图像的眼轴长测量实验结果与讨论 |
| 4.6 小结 |
| 第五章 眼轴长测量标准器研制 |
| 5.1 引言 |
| 5.2 眼轴长测量标准器 |
| 5.2.1 眼轴长测量标准器设计与实现 |
| 5.2.2 眼轴长测量标准器的关键参数标定 |
| 5.3 眼轴长测量标准器实验与分析 |
| 5.4 小结 |
| 第六章 结论和展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 博士期间发表的学术成果及参加的科研项目 |
| 作者和导师介绍 |
| 附件 |
（4）简易光学系统成像的图像恢复方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容和章节安排 |
| 第2章 简易光学系统成像特性分析 |
| 2.1 简易光学系统成像特性 |
| 2.2 简易光学系统像差分析 |
| 2.3 简易光学系统的点扩散函数模型 |
| 2.3.1 光学系统成像模型 |
| 2.3.2 点扩散函数数学模型 |
| 2.4 像差的表示方式 |
| 2.5 本章小结 |
| 第3章 盲图像恢复和图像质量评价 |
| 3.1 盲图像恢复概述 |
| 3.2 盲图像恢复方法 |
| 3.2.1 NAS-RIF法 |
| 3.2.2 概率统计法 |
| 3.2.3 相位恢复法 |
| 3.3 图像质量评价 |
| 3.3.1 主观评价方法 |
| 3.3.2 客观评价方法 |
| 3.4 本章小结 |
| 第4章 基于PD法的简易光学系统图像恢复方法 |
| 4.1 PD法基本原理 |
| 4.2 PD法数学模型 |
| 4.3 病态性问题 |
| 4.3.1 正则化技术 |
| 4.3.2 PD法的正则化约束 |
| 4.3.3 正则化系数 |
| 4.4 离焦量选取 |
| 4.5 瞳面与像面采样关系 |
| 4.6 本章小结 |
| 第5章 实验和结果 |
| 5.1 搭建实验平台 |
| 5.1.1 简易光学系统设计参数 |
| 5.1.2 图像采集系统 |
| 5.2 图像恢复以及评价 |
| 5.2.1 相同离焦量时图像恢复 |
| 5.2.2 最佳离焦量标定 |
| 5.2.3 不同方法下图像恢复 |
| 5.3 快速图像恢复 |
| 5.3.1 点扩散函数 |
| 5.3.2 单幅图像恢复 |
| 5.3.3 恢复效率 |
| 5.4 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和研究成果清单 |
| 致谢 |
（5）基于改进NAS-RIF的OCT图像盲复原方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 OCT图像复原方法研究现状 |
| 1.2.1 OCT图像非盲复原方法研究现状 |
| 1.2.2 OCT图像盲复原方法研究现状 |
| 1.3 课题的研究意义和主要研究内容 |
| 1.3.1 研究意义 |
| 1.3.2 主要内容 |
| 第二章 NAS-RIF方法的改进 |
| 2.1 引言 |
| 2.2 NAS-RIF方法 |
| 2.2.1 图像退化与图像复原原理 |
| 2.2.2 NAS-RIF方法原理 |
| 2.2.3 噪声对NAS-RIF方法代价函数的影响 |
| 2.3 NAS-RIF的改进方法 |
| 2.3.1 基于各项异性总变分正则化的改进代价函数的构建 |
| 2.3.2 基于分裂Bregman迭代的改进代价函数优化方法 |
| 2.3.3 NAS-RIF的改进方法 |
| 2.4 小结 |
| 第三章 基于改进NAS-RIF的OCT图像盲复原方法 |
| 3.1 引言 |
| 3.2 OCT图像去噪预处理 |
| 3.2.1 OCT图像噪声分析 |
| 3.2.2 几何非线性扩散滤波 |
| 3.3 OCT图像支持域估计 |
| 3.3.1 基于泊松分布的最小误差阈值法 |
| 3.3.2 基于泊松分布的最小误差阈值法的OCT图像支持域估计 |
| 3.4 基于改进NAS-RIF的OCT图像盲复原方法 |
| 3.5 小结 |
| 第四章 基于改进NAS-RIF的OCT图像盲复原算法及实现 |
| 4.1 引言 |
| 4.2 基于改进NAS-RIF的OCT图像盲复原整体算法构架 |
| 4.3 基于改进NAS-RIF的OCT图像盲复原算法的实现 |
| 4.3.1 OCT图像去噪预处理算法的实现 |
| 4.3.2 OCT图像支持域估计算法的实现 |
| 4.3.3 基于分裂Bregman迭代的改进代价函数优化算法的实现 |
| 4.3.4 基于改进NAS-RIF的OCT图像盲复原算法的实现 |
| 4.4 基于改进NAS-RIF的OCT图像盲复原算法设计 |
| 4.5 小结 |
| 第五章 实验与分析 |
| 5.1 引言 |
| 5.2 标准图像实验与分析 |
| 5.2.1 标准图像预处理实验与分析 |
| 5.2.2 标准图像目标支持域估计实验与分析 |
| 5.2.3 标准图像复原实验与分析 |
| 5.3 OCT图像实验与分析 |
| 5.3.1 OCT图像预处理实验与分析 |
| 5.3.2 OCT图像目标支持域估计实验与分析 |
| 5.3.3 OCT图像复原实验与分析 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者及导师简介 |
| 附件 |
（6）基于高阶统计量和图像分割技术的图像盲复原（论文提纲范文）
| 0 引言 |
| 1 NAS-RIF算法改进及其实现 |
| 1.1 高阶统计量去噪 |
| 1.2 支撑域的改进算法 |
| 1.3 基于支持域估计和噪声去除的NAS-RIF算法实现 |
| 2 仿真结果与分析 |
| 3 结语 |
（7）一种改进的NAS-RIF水下图像盲复原算法（论文提纲范文）
| 1 引言 |
| 2 NAS-RIF原理简介 |
| 3 改进NAS-RIF盲复原算法原理 |
| 4 实验结果与分析 |
| 5 结束语 |
（8）基于稀疏约束正则化的图像复原算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究现状 |
| 1.2.1 非盲模糊图像复原算法 |
| 1.2.2 盲模糊图像复原算法 |
| 1.3 图像复原的应用 |
| 1.4 本文研究的主要内容及组织结构 |
| 第2章 图像复原理论 |
| 2.1 图像退化模型 |
| 2.1.1 图像退化连续模型 |
| 2.1.2 图像退化离散模型 |
| 2.2 图像复原的不适定性 |
| 2.3 图像复原效果评价标准 |
| 2.3.1 常用的图像质量评价方法 |
| 2.3.2 Q 值图像质量评价方法 |
| 2.4 本章小结 |
| 第3章 基于维纳滤波和小波变换的非盲图像复原算法 |
| 3.1 算法研究背景 |
| 3.2 基于维纳滤波和小波变换的非盲图像复原算法 |
| 3.2.1 基于维纳滤波和小波变换的非盲图像复原 |
| 3.2.2 小波阈值去噪算法 |
| 3.2.3 Q 值选择小波阈值去噪系数 |
| 3.3 算法实现 |
| 3.4 实验结果分析 |
| 3.4.1 基于维纳滤波和小波变换的非盲图像复原 |
| 3.4.2 小波去噪系数选择 |
| 3.4.3 不同阈值函数对复原图像去噪 |
| 3.5 本章小结 |
| 第4章 基于全变差及边缘检测的非盲图像复原算法 |
| 4.1 算法研究背景 |
| 4.2 基于全变差的非盲图像复原算法 |
| 4.2.1 快速迭代收缩阈值算法 |
| 4.2.2 基于全变差的图像去噪 |
| 4.2.3 基于全变差的图像去模糊 |
| 4.3 基于边缘检测的非盲图像复原算法 |
| 4.3.1 构造去模糊模型 |
| 4.3.2 图像先验条件 |
| 4.3.3 算法实现 |
| 4.4 实验结果分析 |
| 4.4.1 基于全变差的非盲图像复原 |
| 4.4.2 基于边缘检测的非盲图像复原 |
| 4.5 本章小结 |
| 第5章 融合三种稀疏正则项的盲图像复原算法 |
| 5.1 算法研究背景 |
| 5.2 稀疏正则项 |
| 5.2.1 l_1/l_2正则项 |
| 5.2.2 sl_0正则项 |
| 5.2.3 梯度下降法 |
| 5.3 融合三种稀疏正则项的图像复原算法 |
| 5.3.1 构造去模糊模型 |
| 5.3.2 更新图像 |
| 5.3.3 更新模糊核 |
| 5.4 实验结果分析 |
| 5.4.1 模糊核多尺度分析 |
| 5.4.2 融合三种稀疏正则项的图像盲复原 |
| 5.4.3 图像锐化滤波器选择 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（9）二维盲图像恢复算法的研究（论文提纲范文）
| 1 图像模型与二维盲图像恢复方法 |
| 1.1 图像退化模型与恢复过程 |
| 1.2 经典的二维盲图像恢复方法 |
| 2 基于L1双正则化的二维盲图像恢复算法 |
| 2.1 改进的代价函数 |
| 2.2 改进的最小化算法 |
| 3 实验仿真 |
| 3.1 算法评价标准 |
| 3.2 实验模拟结果 |
| 4 结论 |
（10）桥梁拉索表面缺陷图像检测关键技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 拉索检测技术的研究现状 |
| 1.2.1 拉索内部结构缺陷检测 |
| 1.2.2 拉索表面缺陷检测 |
| 1.3 表面缺陷的机器视觉检测系统 |
| 1.3.1 机器视觉检测系统分析 |
| 1.3.2 机器视觉的表面缺陷检测 |
| 1.4 表面缺陷检测系统的图像处理技术分析 |
| 1.5 桥梁拉索表面缺陷机器视觉检测关键技术分析 |
| 1.6 本文研究内容与结构安排 |
| 2 桥梁拉索表面缺陷自动检测系统 |
| 2.1 引言 |
| 2.2 系统的功能和性能分析 |
| 2.2.1 系统的功能分析 |
| 2.2.2 系统的性能技术指标 |
| 2.3 系统总体方案 |
| 2.4 桥梁拉索表面缺陷检测系统硬件结构 |
| 2.4.1 光源系统 |
| 2.4.2 图像传感器阵列的配置 |
| 2.4.3 图像处理硬件平台 |
| 2.4.4 损伤定位系统 |
| 2.4.5 数据储存系统 |
| 2.5 软件系统设计 |
| 2.5.1 软件系统总体结构 |
| 2.5.2 软件系统工作流程 |
| 2.6 系统测试和性能技术指标 |
| 2.7 本章小结 |
| 3 表面缺陷图像预处理及缺陷提取方法研究 |
| 3.1 引言 |
| 3.2 缺陷图像预处理 |
| 3.2.1 拉索表面缺陷图像的采集 |
| 3.2.2 图像预处理 |
| 3.2.3 改进的中值滤波算法 |
| 3.3 缺陷图像的分割 |
| 3.3.1 边缘检测算法分析 |
| 3.3.2 改进的 Sobel 边缘检测 |
| 3.3.3 基于 MM-Soble 算法的缺陷目标分割 |
| 3.4 拉索表面缺陷目标的判别 |
| 3.5 实验结果和分析 |
| 3.5.1 缺陷图像的判别 |
| 3.5.2 缺陷图像的存储 |
| 3.6 本章小结 |
| 4 拉索缺陷图像去模糊方法研究 |
| 4.1 引言 |
| 4.2 桥梁拉索表面缺陷图像的模糊模型分析 |
| 4.3 全变分正则化图像复原方法 |
| 4.3.1 全变分模型 |
| 4.3.2 全变分模型的求解 |
| 4.3.3 全变分盲图像复原 |
| 4.4 基于 NAS-RIF 和 TV 自适应正则化图像复原方法 |
| 4.4.1 NAS-RIF 算法 |
| 4.4.2 自适应 TV 正则化的 NAS-RIF 算法 |
| 4.4.3 优化最小化求解的图像复原方法 |
| 4.4.4 自适应正则化参数的获取 |
| 4.5 实验结果及分析 |
| 4.6 本章小结 |
| 5 拉索表面缺陷图像的拼接技术研究 |
| 5.1 引言 |
| 5.2 表面缺陷图像的拼接 |
| 5.2.1 图像拼接技术 |
| 5.2.2 表面缺陷图像的拼接方法 |
| 5.3 改进的 SIFT 匹配算法 |
| 5.3.1 SIFT 配准原理 |
| 5.3.2 SIFT 匹配算法性能分析 |
| 5.3.3 SIFT 算法的改进 |
| 5.4 基于改进 SIFT 配准的缺陷图像拼接 |
| 5.4.1 缺陷图像拼接流程 |
| 5.4.2 拉索缺陷图像拼接的融合实现 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 6 桥梁拉索表面缺陷的分类识别研究 |
| 6.1 引言 |
| 6.2 表面缺陷的特征提取 |
| 6.2.1 缺陷的形状特征 |
| 6.2.2 缺陷的灰度特征 |
| 6.2.3 缺陷的纹理特征 |
| 6.3 PSO-SVM 分类器设计 |
| 6.3.1 支持向量机（SVM）理论 |
| 6.3.2 PSO-SVM 算法 |
| 6.4 拉索表面缺陷分类实验和分析 |
| 6.4.1 拉索表面缺陷类型 |
| 6.4.2 粒子群优化的支持向量机分类 |
| 6.5 小结 |
| 7 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间发表的论文目录 |
| B. 作者在攻读学位期间取得的专利成果目录 |
| C. 作者在攻读学位期间参与的科研项目 |
四、一种改进的NAS-RIF盲图像复原算法（论文参考文献）
- [1]超声成像测井图像增强和复原方法研究[D]. 付青青. 长江大学, 2020
- [2]无人机侦察图像模糊复原系统关键技术研究与软件开发[D]. 武永恒. 石家庄铁道大学, 2020(04)
- [3]基于扫频OCT人眼图像的眼轴长测量方法及标准器研究[D]. 付雪松. 北京化工大学, 2020
- [4]简易光学系统成像的图像恢复方法研究[D]. 邹欢欢. 长春理工大学, 2019(01)
- [5]基于改进NAS-RIF的OCT图像盲复原方法研究[D]. 杨佳煜. 北京化工大学, 2018(02)
- [6]基于高阶统计量和图像分割技术的图像盲复原[J]. 马耀锋,李红丽. 计算机应用与软件, 2014(08)
- [7]一种改进的NAS-RIF水下图像盲复原算法[J]. 曲李虎,林善明. 微处理机, 2014(04)
- [8]基于稀疏约束正则化的图像复原算法[D]. 赵晓伟. 燕山大学, 2014(01)
- [9]二维盲图像恢复算法的研究[J]. 庄金莲,陈佳丽. 三明学院学报, 2014(02)
- [10]桥梁拉索表面缺陷图像检测关键技术的研究[D]. 李新科. 重庆大学, 2014(11)